鐘文晶，陸 陸，胡伯勇

（1.浙江省火力發(fā)電高效節(jié)能與污染物控制技術研究重點實驗室，杭州 310000；2.浙江浙能技術研究院有限公司，杭州 310000）

0 引言

繼電器在電廠中有廣泛的應用，特別是保護用的繼電器，對機組的穩(wěn)定運行具有重要意義。近年來，隨著機組控制系統(tǒng)老化，由繼電器引起的跳機事件開始出現。由于繼電器屬于相對容易忽視的對象，熱工相關人員對其選型和維護有一定的盲目性，對繼電器所發(fā)生的故障進行分析顯得十分重要。因此，有必要對熱工保護用重要繼電器故障常見的原因進行分析。

熱工保護用繼電器的檢測工作開展的較少，對熱工保護用繼電器故障數據分析的文獻也相對較少。關聯(lián)規(guī)則挖掘是數據挖掘的一種重要方法，能從客觀的數據中發(fā)掘隱藏的內部聯(lián)系，提供有價值的信息[1]。該方法在電廠中運用也有先例，如電站運行優(yōu)化目標值[3,4]，輔機設備故障分析[5]等?；诖?，本文將嘗試著把關聯(lián)規(guī)則挖掘方法應用在熱工保護用繼電器故障分析中，得出影響繼電器故障的主要因素。

表1 測試數據離散化后整理表Table 1 Test data after discretization table

1 繼電器測試數據準備

1.1 對原始數據表進行整理

本文數據取自浙能集團所屬各電廠繼電器測量數據，共包括10 個電廠，22 臺機組，1724 條數據，其中包括100條不合格數據。由于測量時間跨度較大，表格格式都不一樣，因而需要對原始數據進行整理。數據內容統(tǒng)一為：電廠名稱、繼電器位置、端子號、繼電器類型、動作值、返回值、線圈電阻、動作時間、問題表現、繼電器電壓、使用年限等。對缺失的數據進行補充，使數據準確。

1.2 繼電器故障的參考標準

參照廠家資料和實際使用情況以及相應的標準，以下繼電器列為故障繼電器。

1）動作電壓大于90%額定電壓。

2）返回電壓小于10%額定電壓。

3）線圈電阻偏離額定50%。

4）動作時間大于100ms。

5）導通后觸點電阻大于1Ω。

1.3 繼電器故障數據離散化

本文采用的Apriori 算法屬于布爾型關聯(lián)規(guī)則算法[2]，只能處理分類型變量，不能處理數值型變量。因此，需要對整理后的數據再進行整理，數據類型為離散型，離散化后的數據參考樣式如表1 所示。

其中，檢測結論1 對應無故障，2 對應故障。

繼電器使用時長：因機組大修周期為5 年，所以1 對應小于5 年，2 對應5 ～10 年，3 對應10 年以上。

常帶電：因有些繼電器常帶電，有些不常帶電，所以1 對應常帶電，2 對應不常帶電。

繼電器品牌：繼電器品牌較多，具體分類Allen-Bradley 對應1，C 系列對 應2，OMRON 對應3，KUEP 對應4，RR3P 對應5，TYCO 對應6，YSMY0 對應7，其他對應8。

繼電器額定電壓：電廠常用繼電器額定電壓包括：DC24V 對 應1，DC48V 對 應2，DC110V 對 應3，DC220V對應4。

2 關聯(lián)規(guī)則Apriori算法

關聯(lián)規(guī)則挖掘算法中最經典的是Apriori 算法，它是由R.Agrawal 和R.Srikant 提出的一種挖掘關聯(lián)規(guī)則頻集的算法。該算法采用的是逐層搜索迭代的方式，先產生候選集Ck，然后計算所有k 項集的支持度，若支持度滿足大于最小支持度閾值要求，則成為頻繁k 項集Lk，接著在Lk基礎上產生候選集Ck+1，然后通過判斷最小支持度來確定頻繁（k+1）項集Lk+1，以此類推，直到找不到下一個頻繁項集為止。由每個頻集中的項組成關聯(lián)規(guī)則，分別計算出規(guī)則的置信度，若置信度大于最小置信度閾值，則生成關聯(lián)規(guī)則，同時滿足最小支持度和最小置信度要求的規(guī)則成為有效規(guī)則。因此，Apriori 算法分為兩步，第一步產生頻集，第二步產生關聯(lián)規(guī)則。

2. 《江蘇省產前診斷(篩查)技術質量管理要求》(包括遺傳咨詢、血清學產前 篩查、產前超聲診斷、介入性產前診斷取樣操作技術、胎兒染色體分析產前診斷技術、孕婦外周血胎兒游離 DNA 產前篩查與診斷、單基因病產前診斷技術、染色體微陣列分析產前檢查等八類技術)。

定 義 一 個 關 聯(lián) 規(guī) 則：A=＞ B 其 中，A 和B 表 示 的 是兩個互斥事件：A 稱為前因（antecedent），B 稱為后果（consequent），上述關聯(lián)規(guī)則表示A 會導致B。關聯(lián)規(guī)則的強度可以用它的支持度（support）和置信度（confidence），S（A=＞ B）=P(AB)，C（A=＞ B）=P(B|A)=P(AB)/P(A)

可以看出，支持度即兩個事件同時發(fā)生的概率，置信度即在前因發(fā)生的條件下，后果發(fā)生的概率。在選取規(guī)則時通常會對這兩個值設一個最低閾值最小支持度minsup和最小置信度minconf。注意由關聯(lián)規(guī)則分析得出來的關聯(lián)規(guī)則并不保證具有因果關系。

項集（itemset）被定義為包含0 個或多個項的集合，支持度大于閾值minsup的項集被稱為頻繁項集（frequent itemset），頻繁項集中置信度大于閾值minconf的規(guī)則稱為強規(guī)則（strong rule）。關聯(lián)規(guī)則的目的就是找到頻繁項集與強規(guī)則。由概率出發(fā)不難得到關于頻繁項集的一個性質：頻繁項集的所有子集都是頻繁的，即P(A)≥P(AB)≥minsup；非頻繁項集的超集都是非頻繁的，即minsup≥P(A)≥P(AB)。這一性質能大大減少搜索頻繁項集時的搜索空間。

3 分析和結果

數據挖掘一般通過軟件或自己編程實現，Clementine數據挖掘軟件有界面簡單、功能齊全等特點，能夠滿足本文的需求，采用Clementine 數據挖掘軟件進行挖掘[6]。

挖掘過程

建立挖掘流程：數據源采用離散化后的熱工保護用繼電器測試數據。

表2 繼電器測試數據關聯(lián)規(guī)則挖掘結果Table 2 Mining results of association rules of relay test data

圖1 Clementine軟件使用示例Fig.1 Clementine software usage example

挖掘參數設置：綜合對比不同閾值下多次處理結果差異，最終設置最小支持度10%，最小置信度為10%，前項最大項目數為4。

將結果按照支持度大小排序呈現，見表2。

如第一條，后項為繼電器故障，前項為繼電器品牌OMRON，電壓為24V，不常帶電。它的支持度為33.5%，它的置信度為10%。

從表2 中的結果可以得到以下幾點：1）強關聯(lián)因素為繼電器品牌和繼電器使用時間；2）品牌為OMRON 的24V繼電器與繼電器故障率關聯(lián)度最高；3）繼電器使用時長超過10 年，故障率開始大幅上升；4）繼電器常帶電和不常帶電并不影響繼電器的故障率，不常帶電的故障率反而更高。

4 原因進一步分析和建議

圖2 OMRON 24V繼電器外觀Fig.2 Appearance of OMRON 24V relay

數據挖掘只是根據結果進行分析，具體原因要結合實際。如圖2 所示，OMRON 24V 繼電器。該繼電器兩側有孔，直接與空氣相連，內部空間較大，南方濕氣較重，灰塵和水汽都能進入繼電器內部，從而造成觸點氧化，容易引起繼電器故障。而一般的24V 繼電器如：C5-M20，如圖3 所示。密封性較好，灰塵較難進入繼電器內部。

建議：

1）熱工保護用繼電器建議選擇密封性較好的繼電器，且盡量保證繼電器所在的電子間環(huán)境的灰塵較少，濕度較低。

2）運行時間10 年以上的繼電器故障較高，建議5 年做一次繼電器檢測。

圖3 C5-M10 24V繼電器外觀Fig.3 Appearance of c5-m10 24V relay

5 結語

本文通過使用關聯(lián)規(guī)則算法對熱工保護用繼電器故障數據進行分析，得出繼電器類型和繼電器使用時長是產生繼電器故障的強關聯(lián)因數，從而給出了熱工保護用繼電器選型和維護的建議，以減少繼電器故障。